人工智能/机器学习模型对住院患者姑息治疗时间的审查

及时的姑息治疗至关重要。 老年患者群体变得越来越复杂，往往需要来自多个专业的护理。 临床护理与患者偏好之间越来越不匹配，尤其是在临终服务方面。 研究表明，尽管大多数人死于家庭之外（疗养院或医院），但大多数人更愿意死在家里。 鉴于目前的护理模式和激励措施，姑息治疗被认为是在所有治愈尝试都用尽之后的最后手段。 这种延迟可能导致疼痛和生活质量下降的次优症状管理。 随着对姑息治疗需求的增加，需要政策举措和转诊分诊工具来提供优质的姑息治疗服务。

2018 年，梅奥诊所开发了一个完全集成的信息技术 (IT) 解决方案，专注于识别可能受益于早期姑息治疗审查的患者。 该工具被称为 Control Tower，它以机器学习算法为中心提取不同的数据源，该算法预测医院对姑息治疗的需求。 该算法于 2018 年 12 月以静默模式投入生产。 该算法连同其他关键患者指标被集成到图形用户界面 (GUI) 中，该界面允许人类操作员查看算法预测并随后记录操作员的评估。 该工具有望加强风险评估并创建一种医疗保健模型，在该模型中，姑息治疗可以主动有效地筛选患者的需求。 该方法的预期好处包括改善症状控制和患者满意度，以及对住院患者死亡率的可衡量影响。

本研究的总体目标是通过在 16 个住院病房中创建阶梯式楔形集群随机试验，评估 Control Tower 姑息治疗算法在医院实践中的有效性和实施情况。 通过创建一种在住院期间自动筛查和监测患者健康状况的算法，研究人员假设参与者将比常规护理更早地接受所需的姑息治疗。 除了测试临床有效性外，研究成员还将收集过程测量数据，以在将预测算法从研究领域转化为实践环境后评估算法和医疗保健性能。